자율주행6 [H-모빌리티 클래스 자율주행 판단 기초 내용 정리] 2. 차량 센서 관점에서의 판단 기술 기초, 3. 도로 인프라 관점에서의 판단 기술 기초 2강 차량 센서 관점에서의 판단 기술 기초 1. 자율주행차 센서 특징 1) 카메라 - 장점 : 정보의 양이 많고, 원거리 물체 인식 가능 - 단점 : 거리 정보에 약하고, 빛/날씨 변화에 따른 성능 저하 발생 2) 라이다 - 장점 : 360도 레이저 스캔 -> 거리 정보에 강하고, 카메라에 비해 비교적 빛/날씨 변화에 강인 - 단점 : 카메라에 비해 정보 양 적고, 센싱 거리 한계 3) 레이더 - 장점 : 차량의 거리/속도 추정에 용이, 라이다에 비해 장거리 측정 가능 - 단점 : 비금속 물체 탐지에 약하며, 횡방향 관점의 인식 성능 한계, 해상도 부족 퀴즈) 1. 자율주행 센서 중 레이저 펄스 방식으로 점들의 집합 데이터를 얻을 수 있고, 거리 측정에 유용한 센서는? 답 2 1. 레이더 2. 라이다 3.. 2022. 2. 15. [H-모빌리티 클래스 자율주행 인지 기초 내용 정리] 7. 카메라 센서 개요 1. 카메라 센서 원리 1) 카메라 렌즈를 통해 들어온 빛을 전기적인 신호로 변환해서 주변에 대한 정보 제공 - 빛 -> CCD(Charge Coupled Device), CMOS(Complementary Metal-Oxide-Semicondutor) 이미지 센서에 영상 투사 2) 카메라 구성 : 몸체, 렌즈, 조절장치(조리개,셔터) 3) 초점 거리 : 렌즈의 중심에서부터 필름에 영상이 맺히는 사이의 거리 4) 화각 : 화면을 구성하는 각도 - 렌즈의 초점 거리가 짧으면 화각이 넓어짐 -> 광각렌즈 - 망원렌즈 < 표준렌즈 < 광각렌즈 < 어안렌즈 순으로 화각이 넓어짐 2. 카메라 구조 1) 핀홀 카메라 - 핀홀, 즉 작은 구멍을 통해서 빛을 받아들임 - 초점 거리에 따라 물체 크기 변화 2) 렌즈 카메.. 2022. 2. 11. [H-모빌리티 클래스 자율주행 인지 기초 내용 정리] 6. 딥러닝 기반 인지시스템 사례 1. 테슬라와 구글 웨이모의 자율주행차 인지 기술 1) 테슬라 자율주행차 인지 기술 - 최근 오토파일럿(차량이나 보행자만 검출)에서 FSD(Full Self Driving)(신호등 및 정지선까지 인식) 기술로 진화 - 카메라 센서와 레이더 센서만으로 구성 - 서라운드 카메라 8대, 초음파 센서 12대, 전방 레이더 1대로 구성 - 무선 통신을 이용한 SW 업그레이드 2) 구글 웨이모의 자율주행차 인지 기술 - 라이다 사용 - 카메라와 레이더는 라이다를 보조 - 라이다 센서를 직접 설계하여 사용 퀴즈) 구글의 자회사로 미국 아리조나 피닉스에 무인택시 서비스를 출범한 회사는? 1. 웨이모 2. 우버 3. 테슬라 4. 하이모 답 1 2022. 2. 11. [H-모빌리티 클래스 자율주행 인지 기초 내용 정리] 5. 인지를 위한 딥러닝 기술 개요 1. 딥러닝 모델의 신경망 구조 1) 센서 데이터를 입력받아 원하는 결과를 출력 2) Feed-forward 신경망 구조 - 수 많은 노드들의 집합 / 노드(입력을 받아 비선형 연산을 수행하고 결과를 출력하는 기본적인 단위) 2. 딥러닝의 학습 과정 1) 트레이닝 - 수많은 학습 데이터를 보여주고 정답을 제대로 낼 수 있도록 신경망의 연결여부를 결정해주는 과정 - 수많은 데이터 학습 -> 계산 -> 신경망 연결 2) 인퍼런스 - 트레이닝이 끝나면 딥러닝 모델을 자율주행차에 탑재하여 실제 인지 기능 수행 3. 인지를 위한 딥러닝 기술 1) Convolutional Neural Network(CNN) - 카메라 영상을 입력으로 하여 원하는 결과를 얻어냄 - 2차원 배열 데이터를 처리하기에 유리한 구조 - 자.. 2022. 2. 11. 이전 1 2 다음
